前言：

         文字識別的關鍵之所在就是單個文字的切割，切割的準確度極大的影響了文字識別的正確率。本文基於傳統橫縱投影的思想對文字進行切割，使用java與python實現了本演算法。

基本思路：

1、橫向掃描，切出每一行

         2、對每一行進行縱向掃描，得出每一個字

經過對原始影象的相關處理，得出如下二值圖（僅有黑白色）。這裡的‘相關處理’是很複雜的，涉及影象學相關知識，我是通過opencv進行處理的。本文主要對切割演算法進行討論，圖片處理部分望讀者自行了解。

（待切割圖）

橫向掃描

         橫向掃描就是依次從左往右統計，得出這一行黑色點的數量。比如上圖尺寸為1200*430，經過橫向掃描就可以得到430個數值，這個數值表示在1200個點中黑色點的數量。我們把這430個數直觀的展示出來，可以得到下圖：

（橫向切割統計圖，x：行數   y：黑色點數）

在上圖中，y軸數值不為0的區域就是文字存在的地方，為0的區域就是每行之間相隔的距離。我們通過如下規則就可以找出每一行文字的起始點和終止點，以定位該行文字區域：1、如果前一個數為0，則記錄第一個不為0的座標；2、如果前一個數不為0，則記錄第一個為0的座標。形象的說就是從出現第一個非空白行（開始有字）到出現第一個空白行（沒有字）這段區域就是文字存在的區域。

（橫向切割說明圖）

縱向掃描

         縱向掃描與橫向掃描同理。針對橫向掃描切割出的區域，進行縱向掃描，得出每一個字。

我們對橫向掃描得出的第一行進行縱向掃描，可以得到1200個數值，如下圖：

（橫向切割統計圖，x：行數   y：黑色點數  省略了部分割槽域）

再運用橫向掃描的思維，對縱向掃描的資料進行切割，就可以得出單個文字了。

切割結果

（切割結果）

         可以看到切割結果有些不理想，會存在很多連在一起的字。

結果分析

         演算法對於數字切割十分理想，但是對於漢字會存在切割失敗的現象。分析發現部分漢字兩兩之間沒有空白區域，是連在一起的，所以縱向掃描演算法就無法準確切割。如下圖所示：

所以直接使用投影進行切割，這種方法是不可行的。我們需要對該演算法進行優化，以便得出更為準確的結果。優化演算法敬請期待下篇（文字切割演算法-投影切割優化）。

專案原始碼：我的github（https://github.com/printlin/tmOcr/tree/master）